Sklearn教程： 模块1

Sklearn教程：第一模块

我上了官方的sklearn MOOC教程。以下是我的心得。

经过多年与Python科学堆栈（NumPy，Matplotlib，SciPy，Pandas和Seaborn）的玩耍之后，显而易见的是，下一步是scikit-learn，或者称为“sklearn”。

但是为什么选择sklearn?

在机器学习库中，scikit-learn是事实上最简单和最易于学习的框架。它基于科学堆栈（主要是NumPy），专注于传统而强大的算法，如线性回归/支持向量机/降维，并提供了许多围绕这些算法构建的工具（例如模型评估和选择，超参数优化，数据预处理和特征选择）。

但它的主要优势无疑是其文档和用户指南。你可以从scikit-learn的网站上几乎学到所有的东西，其中包含很多示例。

<p请注意，其他流行的框架包括tensorflow和pytorch，但它们具有更陡峭的学习曲线，并且专注于像计算机视觉和神经网络这样更复杂的主题。由于这是我与机器学习的第一个真正的接触，我决定从sklearn开始。

• NVIDIA AI 研究人员提出了一种人工智能方法，通过将体积渲染限制在物体周围的一个窄带内，以高效地渲染 NeRF
• 这项人工智能研究帮助微生物学家鉴定细菌
• 遇见ECOGEN：一种新型的深度学习方法，旨在为生物学家和生态学家生成逼真的鸟鸣声

<p我几个月前已经开始阅读文档，但在文档体量较大时有些迷失方向。尽管文档非常庞大且写得非常好，但我不确定最佳的学习sklearn的方法是否是一页一页地阅读整个文档。

<p好消息是，激发我进一步学习scikit-learn的意愿的是，scikit-learn团队推出了“官方”mooc教程。

使用scikit-learn进行Python机器学习

使用scikit-learn构建预测模型，以及深入了解其强项和局限性……

www.fun-mooc.fr

在这个系列中，我将尝试总结我从MOOC的6个模块中学到的内容。这对我来说是一个练习记忆和总结所学知识的好机会，同时也是一个初步了解sklearn的好机会。

</p好消息是，激发我进一步学习scikit-learn的意愿的是，scikit-learn团队推出了“官方”mooc教程。</p我几个月前已经开始阅读文档，但在文档体量较大时有些迷失方向。尽管文档非常庞大且写得非常好，但我不确定最佳的学习sklearn的方法是否是一页一页地阅读整个文档。</p请注意，其他流行的框架包括tensorflow和pytorch，但它们具有更陡峭的学习曲线，并且专注于像计算机视觉和神经网络这样更复杂的主题。由于这是我与机器学习的第一个真正的接触，我决定从sklearn开始。